基于机器学习筛选早期非侵入性阿尔兹海默病筛查的生物标志物的方法

本发明公开了一种基于机器学习筛选早期非侵入性阿尔兹海默病筛查的生物标志物的方法，通过获取阿尔兹海默病(AD)患者和年龄匹配的对照者的血源性细胞游离RNA测序(cfRNA‑seq)和脑源性单细胞转录组测序(scRNA‑seq)数据，再基于标准化后的数据筛选出在两类数据中都呈现相同表达模式的基因作为非侵入性阿尔兹海默病筛查的生物标志物。本发明发现了34个在cfRNA和scRNA数据集中共同差异表达的特征基因，使用这34个特征基因成功构建了AD诊断分类器。诊断分类器可以准确预测AD患者并有效区分AD早期患者，同时评估个体患AD的风险。结果说明这些关键标志基因可以应用于早期AD无创筛查，并预防疾病进展；同时能够区分不同疾病进展的AD患者，为AD患者的个性化治疗方案提供支持。